«Deepfakes»el próximo reto en la detección de noticias falsas

  1. García-Ull, Francisco José 1
  1. 1 Instituto Mediterráneo de Estudios de Protocolo (IMEP) / Universidad Europea de Valencia
Revista:
Anàlisi: Quaderns de comunicació i cultura

ISSN: 0211-2175,  2340-5236

Año de publicación: 2021

Número: 64

Páginas: 103-120

Tipo: Artículo

DOI: 10.5565/REV/ANALISI.3378 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Anàlisi: Quaderns de comunicació i cultura

Resumen

Un deepfake o ultrafalso es un vídeo hiperrealista manipulado digitalmente para representar a personas que dicen o hacen cosas que en realidad nunca sucedieron. Estas representaciones sintéticas, generadas mediante técnicas computarizadas basadas en inteligencia artificial (IA), plantean serias amenazas para la privacidad, en un nuevo escenario en el que se incrementan los riesgos derivados de las suplantaciones de identidad. Con la sofisticación de las técnicas para el desarrollo de deepfakes, resulta cada vez más complicado detectar si las apariciones públicas o declaraciones de personajes influyentes responden a parámetros de realidad o, por el contrario, son resultado de representaciones ficticias. Este estudio tiene como objetivo plantear un estado de la cuestión a través del análisis de la actualidad académica y mediante una exhaustiva revisión bibliográfica. En el presente trabajo se busca dar respuesta a las cuestiones que planteamos a continuación, que entendemos de interés general, tanto en una vertiente económica y social como en diversas áreas de investigación: ¿qué son los deepfakes?, ¿quién los produce y qué tecnología los respalda?, ¿qué oportunidades plantean?, ¿qué riesgos se asocian a estos documentos multimedia?, ¿qué métodos existen para combatir estas falsificaciones? Y enmarcando el estudio en el ámbito de la teoría de la información: ¿se trata de una revolución o de una evolución de las fake news? Como sabemos, las noticias falsas influyen en la opinión pública y son efectivas a la hora de apelar a emociones y modificar comportamientos. Podemos asumir que estos nuevos textos audiovisuales serán tremendamente eficaces a la hora de minar, más si cabe, la credibilidad de los medios digitales, así como de acelerar el ya evidente agotamiento del pensamiento crítico.

€ Ver financiación

Información de financiación

Este artículo forma parte del proyecto financiado por el Ministerio de Economía y Competitividad español «Estrategias, agendas y discursos en las cibercampañas electorales: medios de comunicación y ciudadanos» (2017-2020). Referencia CSO2016-77331-C2-1-R.Francisco José García-Ull

Financiadores

Referencias bibliográficas

  • ALDWAIRI, M. y ALWAHEDI, A. (2018). «Detecting Fake News in Social Media Networks». Procedia Computer Science, 141, 215-222. https://doi.org/10.1016/j.procs.2018.10.171
  • ANDERSON, K. E. (2018). «Getting acquainted with social networks and apps: combating fake news on social media». Library HiTech News, 35 (3), 1-6. https://doi.org/10.1108/LHTN-02-2018-0010
  • ANWAR, S.; MILANOVA, M.; ANWER, M. y BANIHIRWE, A. (2019). «Perceptual Judgments to Detect Computer Generated Forged Faces in Social Media». En: SCHWENKER, F. y SCHERER. S. (eds.). Multimodal Pattern Recognition of Social Signals in Human-Computer-Interaction. MPRSS, 2018. Lecture Notes in Computer Science, 11.377. Springer, Cham. https://doi.org/10.1007/978-3-030-20984-1_4
  • ATANASOVA, P.; NAKOV, P.; MÀRQUEZ, L.; BARRÓN-CEDEÑO, A.; KARADZHOV, G.; MIHAYLOVA, T.; MOHTARAMI, M. y GLASS, J. (2019). «Automatic Fact-Checking Using Context and Discourse Information». Journal of Data and Information Quality, 11 (3), art. n. 12. https://doi.org/10.1145/3297722
  • BORGES, L.; MARTINS, B. y CALADO, P. (2019). «Combining Similarity Features and Deep Representation Learning for Stance Detection in the Context of Checking Fake News». Journal of Data and Information Quality, 11 (3), art. n.º 14. https://doi.org/10.1145/3287763
  • BRITT, M. A.; ROUET, J.-F.; BLAUM, D. y MILLIS, K. (2019). «A Reasoned Approach to Dealing with Fake News». Policy Insights from the Behavioral and Brain Sciences, 6 (1), 94-101. https://doi.org/10.1177/2372732218814855
  • CHAWLA, R. (2019). «Deepfakes: How a pervert shook the world». International Journal of Advance Research and Development, 4 (6), 4-8. http://doi.org/10.22215/timreview/1282
  • CONSTINE, J. (2019). «Instagram hides false content behind warnings, except for politicians». TechCrunch. Recuperado de https://techcrunch.com/2019/12/16/instagram-fact-checking
  • CYBENKO, A. K. y CYBENKO, G. (2018). «AI and Fake News». IEEE Intelligent Systems, 33 (5), 3-7. https://doi.org/10.1109/MIS.2018.2877280
  • DAGDILELIS, V. (2018). «Preparing teachers for the use of digital technologies in their teaching practice». Research in Social Sciences and Technology, 3 (1), 109-121. http://doi.org/10.46303/ressat.03.01.7
  • DAY, C. (2019). «The Future of Misinformation». Computing in Science & Engineering, 21 (1), 108-108. https://doi.org/10.1109/MCSE.2018.2874117
  • FIGUEIRA, A. y OLIVEIRA, L. (2017). «The current state of fake news: challenges and opportunities». Procedia Computer Science, 121, 817-825. https://doi.org/10.1016/j.procs.2017.11.106
  • FLETCHER, J. (2018). «Deepfakes, Artificial Intelligence, and Some Kind of Dystopia: The New Faces of Online Post-Fact Performance». Theatre Journal, 70 (4), 455-471. ProjectMUSE. https://doi.org/10.1353/tj.2018.0097
  • FLORIDI, L. (2018). «Artificial Intelligence, Deepfakes and a Future of Ectypes». Philosophy & Technology, 31 (3), 317-321. https://doi.org/10.1007/s13347-018-0325-3
  • GOODFELLOW, I. J.; POUGET-ABADIE, J.; MIRZA, M.; XU, B.; WARDE-FARLEY, D.; OZAIR, S.; COURVILLE, A. y BENGIO, Y. (2014). «Generative Adversarial Networks». arXiv:1406.2661.
  • HAMBORG, F.; DONNAY, K. y GIPP, B. (2018). «Automated identification of media bias in news articles: an interdisciplinary literature review». International Journal on Digital Libraries, 20, 391-415. https://doi.org/10.1007/s00799-018-0261-y
  • HARRISON, S. (2019). «Instagram Now Fact-Checks, but Who Will Do the Checking?». Wired. Recuperado de https://www.wired.com/story/instagram-fact-checks-who-will-do-checking/
  • HASAN, H. R. y SALAH, K. (2019). «Combating Deepfake Videos Using Blockchain and Smart Contracts». IEEE Access, 7, 41.596-41.606. https://doi.org/10.1109/ACCESS.2019.2905689
  • JANG, S. M. y KIM, J. K. (2018). «Third person effects of fake news: Fake news regulation and media literacy interventions». Computers in Human Behavior, 80, 295-302. https://doi.org/10.1016/j.chb.2017.11.034
  • KEERSMAECKER, J. de y ROETS, A. (2017). «Fake news: Incorrect, but hard to correct. The role of cognitive ability on the impact of false information on social impressions». Intelligence, 65, 107-110. https://doi.org/10.1016/j.intell.2017.10.005
  • KÖHN, M.; OLIVIER, M. S. y ELOFF, J. H. (2006). «Framework for a Digital Forensic Investigation». ISSA 1-7.
  • KORSHUNOV, P. y MARCEL, S. (2019). «Vulnerability assessment and detection of deepfake videos». International Conference on Biometrics (ICB), 1-6. IEEE. http://doi.org/10.1109/ICB45273.2019.8987375
  • KWOK, A. O. y KOH, S. G. (2020). «Deepfake: a social construction of technology perspective». Current Issues in Tourism, 1-5. https://doi.org/10.1080/13683500.2020.1738357
  • LI, Y.; CHANG, M. C. y LYU, S. (2018). «In ictu oculi: Exposing AI created fake videos by detecting eye blinking». IEEE International Workshop on Information Forensics and Security (WIFS), 1-7. IEEE.
  • LIN, H. (2019). «The existential threat from cyber-enabled information warfare». Bulletin of the Atomic Scientists, 75 (4), 187-196. https://doi.org/10.1080/00963402.2019.1629574
  • LIV, N. y GREENBAUM, D. (2020). «Deep Fakes and Memory Malleability: False Memories in the Service of Fake News». AJOB Neuroscience, 11 (2), 96-104. https://doi.org/10.1080/21507740.2020.1740351
  • MACKENZIE, A. y BHATT, I. (2018). «Lies, Bullshit and Fake News: Some Epistemological Concerns». Postdigital Science and Education. https://doi.org/10.1007/s42438-018-0025-4
  • MARAS, M. H. y ALEXANDROU, A. (2019). «Determining authenticity of video evidence in the age of artificial intelligence and in the wake of deepfake videos». International Journal of Evidence & Proof, 23 (3), 255-262. https://doi.org/10.1177/1365712718807226
  • MOROZOV, E. (2013). «To save everything, click here: The folly of technological solutionism». Public Affairs.
  • PÉREZ, J.; MESO, K. y MENDIGUREN, T. (2021). «Deepfakes on Twitter: Which Actors Control Their Spread?». Media and Communication, 9 (1), 301-312. http://dx.doi.org/10.17645/mac.v9i1.3433
  • QAYYUM, A.; QADIR, J.; JANJUA, M. U. y SHER, F. (2019). «Using Blockchain to Rein in the New Post-Truth World and Check the Spread of Fake News». IT Professional, 21 (4), 16-24. https://doi.org/10.1109/MITP.2019.2910503
  • RADFORD, A.; METZ, L. y CHINTALA, S. (2015). «Unsupervised representation learning with deep convolutional generative adversarial networks». arXiv preprint arXiv:1511.06434.
  • RÖSSLER, A.; COZZOLINO, D.; VERDOLIVA, L.; RIESS, C., THIES, J. y NIEßNER, M. (2018). «Faceforensics: A large-scale video dataset for forgery detection in human faces». arXiv preprint arXiv:1803.09179.
  • VIZOSO, A.; VAZ-ÁLVAREZ, M. y LÓPEZ-GARCÍA, X. (2021). «Fighting Deepfakes: Media and Internet Giants’ Converging and Diverging Strategies Against Hi-Tech Misinformation». Media and Communication, 9 (1), 291-300. http://dx.doi.org/10.17645/mac.v9i1.3494
  • WAGNER, T. L. y BLEWER, A. (2019). «The Word Real Is No Longer Real: Deepfakes, Gender, and the Challenges of AI-Altered Video». Open Information Science, 3 (1), 32-46. https://doi.org/10.1515/opis-2019-0003
  • WESTERLUND, M. (2019). «The Emergence of Deepfake Technology: A Review». Technology Innovation Management Review, 9 (11), 39-52. http://doi.org/10.22215/timreview/1282
  • WHYTE, C. (2020). «Deepfake news: AI-enabled disinformation as a multi-level public policy challenge». Journal of Cyber Policy, 5 (2), 199-217. https://doi.org/10.1080/23738871.2020.1797135
Fuente de los datos: Dialnet